基于目标进化的aiNet聚类算法

Huanan Ligong Daxue Xuebao/Journal of South China University of Technology (Natural Science)（2009）

引用 4|浏览4

暂无评分

摘要

针对aiNet算法中没有定义目标函数、记忆网络动态无规律变化等问题,提出了基于目标进化的人工免疫网络聚类新算法,将人工免疫网络压缩聚类抽象为多目标规划问题,定义了记忆网络的整体进化目标,并采用疫苗注射策略提升免疫学习质量.中心聚类和非线性聚类的仿真结果表明:新算法的聚类质量、压缩质量、参数敏感性等优于原aiNet算法;新算法的平均类散布矩阵迹为4.1420,低于原aiNet的4.2575;样本压缩率比原aiNet算法高8.42%;聚类正确率对压缩阈值的敏感性比原aiNet算法弱.

查看译文

关键词

Artificial immune network,Clustering analysis,Data compression,Objective evolution

AI 理解论文

溯源树

样例

生成溯源树，研究论文发展脉络

Chat Paper

正在生成论文摘要